導航：安全管理網>> 安全論文>> 綜合安全論文>>正文

基于證據理論的網絡安全風險組合評估方法

文檔作者：劉勇生文檔來源：東莞理工學院		點擊數：	更新時間： 2022年04月27日
下載地址：點擊這里	文件大小： 390.50 KB 共4頁	文檔格式： PDF	下載點數： 1 點（VIP免費）

全屏查看

內容預覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預覽效果可能會出現部分文字亂碼（如口口口）、內容顯示不全等問題，下載是正常的。

	文件大小：390.50 KB 共4頁文件格式：PDF 下載點數：1 點（VIP會員免費）

下一篇：基于生命周期理論的安全漏洞時間風險研究

上一篇： WIFI協議安全性分析研究

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

第29卷第1期計算機仿真2012年1月
文章編號：1006—9348(2012)Ol一0106一04
基于證據理論的網絡安全風險組合評估方法
劉勇生
(東莞理工學院，廣東東莞523000)
摘要：研究網絡安全風險評估問題，網絡安全風險具有時變性和非線性等特點，采用單一的方法難對其進行準確評估，為提
高網絡安全評估準確率，提出一種證據理論的網絡安全風險評估算法。首先采用層次分析對網絡評估指標體系權重值確
定，然后采用支持向量機和BP神經網絡對網絡安全風險進行評估，最后采用證據理論對兩者的評估結果進行融合．獲得網
絡安全風險最終評估結果。通過網絡安全數據集進行仿真，結果表明，組合方法充分利用支持向量機和BP神經網絡的優
點，能夠全面反映網絡安全狀態，提高了網絡安全風險評估的準確率，評估結果更加可靠，便于采取相應的安全防范措施，可
以最大限度的降低網絡風險帶來的經濟損失。
關鍵詞：證據理論；支持向量機；神經網絡，網絡安全；風險評估
中圖分類號：TP391 文獻標識碼：A
Simlllation on Network Security砒sk EValuation Algoritl肌
LIU Yong—sheng
(Dongguan Universily of Technology，Don陽Jan Guangdong 523000，China)
ABSTRACT：Research about network safety r主sk assessment problem．Network secuIity Tisk has the characteristics of
dyn砌ic and nonlinear，and a sinde method is dimcult go get accurate evaluation results．In order to impmve the net—
work security evaluation accuracy，an evaluation a190血hm 0f network security risk w弱proI)osed b鵲ed on evidence
theory． Firsny，the network evaluation index system was built，the weights were got by hierarchical analysis，and
then support vector machine and BP neuml network were used to evaluate for network security risk．L皓tly，me evalu—
ation results were obtained by evidence tIleory． Simulation experiments were c捌ed out on the network security data．
set．The experimental results show that tIle proposed algorithm improves the accuracy of network safety risk evaluation
and the results are more reliable． It can reducing the economic losses bought by the network risk．
KEYWoRDS：DS；SVM；NN；Network security；Risk evaluation
1 引言
隨著網絡技術的不斷進步．網絡已經應用于各個領域．
然而網絡安全與資源共享是一個矛盾體．網絡具有無國界
性，給人們帶來便利同時，同時帶來了巨大的風險，因此網絡
信息安全成為人們關注的焦點?。網絡安全風險評估是保
證網絡安全的基礎和前提，因此如何對網絡存在的安全風險
進行準確的評估。有利于采取相應的防范措施。最大限度的
降低網絡風險帶來的經濟損失，成為網絡安全研究領域研究
中的一個重要課題心J。
近年來，國內外研究小組和專家學者對網絡安全風險評
估問題進行相關研究，提出了許多網絡安全風險評估方法，
主要有事件樹分析法[3】、層次分析法[4]、故障樹分析法[5]、模
糊綜合評判法以及最近出現的神經網絡評估方法[6]。事件
收稿日期：201l—02—10修回日期：201l—04一04
—106一
樹分析法只能對網絡安全風險進行粗略的評估．結果不太可
靠。故障樹分析法很難對風險評估指進行量化，計算過程復
雜，實用性差。層次分析法的評估結果主觀性較強．且對評
估者的素質要求較高，因此有時得到的評估結果缺乏科學
性，準確率比較低。人工神經網絡(ANN)具有強大的任意函
數逼近能力、學習能力、自適應能力，用歷史數據對神經網絡
模型進行學習，從而建立評估模型，是當前網絡安全風險評
估的主要算法，但是其在應用過程中存在網絡結構難以確
定，參數優化較為復雜，容易陷入局部最優．存在過擬合等問
題，限制其在網絡安全風險評估中的應用。支持向量機
(Suppor【Vector Machine，SVM)近年來發展起來的一種新的
非線性問題分析工具，解決高維數、非線性和局部最小點等
問題，克服了ANN和傳統統計方法的諸多不足，具有良好的
推廣能力，成為風險評估研究領域的研究熱點。
傳統評估方法采用一個分類器對網絡安全風險進行評
估，難以獲得較高準確率，且結果不可靠，為此提出一種基于
萬方數據
D—S證據理論的網絡安全風險融合評估方法。首先采用支
持向量機和神經網絡兩種分類器對網絡安全風險進行評估．
然后采用D—S證據理論對兩種結果進行融合，從而實現網絡
安全風險最終評估結果。這樣同時發揮支持向量機和神經
網絡的優點，提高了網絡安全風險評估的準確率。
2 網絡安全風險評估原理
網絡安全是指網絡系統的軟硬件和數據受到惡意破壞、
更改、泄露，使網絡系統不能夠正常地運行，網絡服務不中
斷。網絡安全風險評估是指依據網絡安全技術標準，根據評
估結果，采取相應安全防范措施，消除風險。網絡安全風險
評估的數學模型為：
網絡安全風險級別=廠(A，r，y) (1)
式中：廠為網絡安全風險評估模型；A表示資產，r表示威脅，y
表示脆弱性。
網絡安全風險具有時變性和復雜性等特點。單一模型難
以獲得較高準確率．本文采用支持向量機和神經網絡分別對
網絡安全進行評估，然后采用證據合成過程對兩者結果進行
融合。得到最終網絡安全風險級別。評估模型結構如圖l所
示。
圖1 DS的網絡安全風險評估模型結構圖
3 網絡安全評估指標系統的構建
網絡安全評估指標是進行科學、準確網絡安全評估的前
提，根據科學性、全面性、可行性、可比性和穩定性原則，建立
一種網絡安全風險評估指標體系，具體如圖2所示。
4 網絡安全風險評估模型的建立
4．1 支持向量機評估模型
網絡安全風險評估是一種分類問題，即將網絡安全分成
不同的級別，所以需要利用支持向量機的分類功能。設一個
兩分類的網絡安全風險問題，給一定數據集k，yi}，石。∈彤，
；=1?．，凡，，，；∈{_1，1}，n表示樣本的數目，y；表示網絡
安全風險類別[7]。支持向量機就是尋找一個分類平面，按照
結構風險最小化原則將兩類盡量分開，即：
以髫)=∞7西(菇)+6 (2)
式中，∞表示為超平面的法向量，6表示超平面的偏移量。
為了使得網絡數據訓練樣本中的任意樣本與分類平面
圖2 網絡安全評估指標體系
距離最大，那么變成為二次優化問題求解：
min．，(塒，孝)=÷㈨II 2+cΣ孝； (3)
約束條件為：
，，f(加·西(戈；)+6)≥1一亭i，亭≥0 (4)
式中。c表示懲罰參數。
通過引入如gmnge乘子將支持向量機分類問題轉化為
對偶問題，通過對偶問題來解決這個分類平面優化問題，得
到如下的分類平面判別函數：
八菇)=sign(Σ“。y；(中(戈)·垂(并i))+6) (5)
式中，d；表示妞m，艫乘子。
根據泛函理論找到一個滿足條件的核函數K(石i，髫)來
代替點積(中(茗)·西(石。))，這樣支持向是機的分類函數就變
成為：
三
八咒)=sign(藝dfy{后(石。‘髫)+6) (6)
式中，％(髫；·并)表示核函數，本文采用徑向基核函數作為
支持向量機的核函數，徑向基核函數為： K(戈。，算)：。。p(一J掣) (7)
最后，獲得支持向量機的最優分類平面： 以z)：si“主叼fexp(-掣)+6)(8)
這樣以茁)表示網絡安全風險的類別。同上于網絡安全
風險評估是一個多分類問題，因此通過將然轉化成多個兩分
類問題進行求解。
4．2 神經網絡評估模型
由于BP神經網絡當前最為成功的人工神經網絡．因此
本文采用曰尸神經網絡對網絡安全風險進行評優點，基于曰P
神經網絡的網絡安全風險評估步聚如下：
1)網絡初始化。根據網絡安全風險數據對輸入層、隱含
層和輸出層節點數進行確定，初始化各層間網絡連接權值．
初始化隱含層和輸出層閾值，給定學習速度和激勵函數。
2)隱含層輸出計算。根據網絡安全輸入向量扎輸入層
～】07—
萬方數據
和隱含層間連接權值毗，、隱含層閾值o，計算隱含層輸出
H。
馬=八Σ塒∥；一q)J=1，2，?，z (9)
式中，f為隱含層節點數∥為隱含層激勵函數，本文激勵函數
為：
，(茗)=七． (1。)
3)輸出層計算。根據隱含層輸出口，連接權值加i，和閾
值6，計算BP神經網絡分類輸出D。
』
D。=Σq‰一6。，||}=1，2，?，m (11)
』=l
4)誤差計算。根據網絡分類輸出0和期望輸出l，，計算
網絡分類誤差e。
e女=K一0 ．i}=l，2，?，m (12)
5)權值更新。根據分類誤差e更新網絡連接權值叫。
6)閾值更新。根據網絡分類誤差e更新節點閾值o，6。
m
吩=吩+叼馬(i一馬)Σ％e。(13)
女=l
釓=6^+吼，||}=l，2，?，m (14)
7)如果分類準確達到預設要求就結果結束，否則返回步
聚2)。
這樣就獲得了基于曰P神經網絡的網絡安全風險評估結
果。將支持向量機和曰尸神經網絡和安全風險評估結果采用
Ds理論進行融合。
4．3 網絡安全風險評估結果的D5融合
將支持向量機和曰P神經網絡的網絡安全風險結果通過
證據理論(Ds)對其進行評判，轉為成相應的證據體的可信
度分配函數，然后通過組合規則對兩個可信度函數進行融
合，得到一個新的可信度分配函數，最后采用融合后的可信
度分配函數結果作為網絡安全風險評估最終結果．因此網絡
安全風險評估流程如圖3所示。
5 仿真研究
5．1 網絡安全風險評估數據
通過相文獻對網絡安全風險評估數據進行收集。并對數
據進行篩選，選擇出數量適當的不同風險等級的樣本．共收
集到1000個數據集如表l所示。將樣本分兩部分：訓練集和
測試集，訓練集900樣本，測試集100個樣本。采用m口tZ口6 7．
0環境下的支持向量機和神經網絡工齡箱進行仿真。
表1 收集的網絡狀態數據
5．2指標權重的確定
收集到網絡安全風險評估數據集，需要確定各個指標的
權重，本文利用層次分析法對每個指標進行權重確定，最后
獲得指標權重如表2所示。
表2各指標權重值
一108—
5．3結果與分析
為了檢測模型的有效性和優越性，采用單一的支持向量
機和BP神經網絡作為對比模型，采用評估準確率和錯誤率
作為評價指標，其評估結果如表3。
表3 各模型的性能比較
萬方數據
。翌一蒈
ll評估＼蛄果作；。s證．據件l ／l評估結果痞凳。s證據體l
l用Ds對蛄果進行融合評估J ：
l-出網絡安全風險量磐蛄果l
。
圖3 網絡安全風險評估流程
從表2可知．單獨采用支持向量機或BP神經網絡對網
絡安全風險進行評估，準確率不高，錯誤率高，評估結果可信
度不高，而本文采用證據理論對兩者的結果進行融合，很好
利用了兩者的優點，提高了評估準確準確率，有效降低了評
估的誤差，從而使評估結果的可信度更高．結果證明本文提
出的評估方法的有效性和優越性。
6結論
網絡安全是保證網絡正常運行的基礎．針對當前網絡安
全風險評估方法存在的不足，提J七j了基于D—s證據理論的支
持向量機和BP神經網絡融的風險評估方法。首先采朋支持
向量機和BP神經網絡對網絡安全風險級別進行初步判斷．
然后采用Ds對信息進行融合，并建立相應的評估模型。最
后以一個網絡安全風險評估數據集為例．說明本文評估方法
具有較高的評估準確率和可靠性．該方法在網絡安全風險評
估中．并取得了良好的應用效果。
參考文獻：
[1] 趙冬梅．張E清，t{建峰網絡安仝的綜臺風險評估[J]計算
機科學．2004．31(7)：66—69
[2]張永錚．遲悅用于if估網絡信息系統的風險傳播模型[J]
軟件學報，2007．1 8(1)：137一】45
[3] 楊曉字．周佩玲，博忠謙人工免疫與網絡安全[J]計算機仿
真，200l，18(6)：83—85
[4] 肖道舉，等網絡安全評估模型研究[M]華巾科技大學學報
(自然科學版)．2002，30(4)：37—39
[5] 汪楚嬌，林果園網絡安全風險的模糊層次綜合評估模型[J]
武漢大學學報(理學版)．2006．52(5)：622—626
．6]許幅永，申健，李劍英網絡安全綜臺評價方法的研究及應州
[J]計算機T=程與設計．2006．27(8)：1398一1400
：7]于群，馮玲基于BP神經剛絡的網絡安全評估A法研究f J]
計算機丁程與設計．2008．29(8)：1963 1966
[作者簡介]
劉勇生(1974一)．男(議族)．廣東東莞人．碩士．高
級實驗師．主要研究方向：計算機應用、網絡應用。
【上接第105頁)
[2] 孫紅杰，方濱興．張宏莉基于用戶感知的網絡性能測量系統[7] Nuand?g，c Mm，s P Veal，D ne osl Nelwork M?即．
[J]計算機工程，2007．”(4)
[3] 蘇曉影，賀躍，郟建軍一種基于神經網絡集成的決策樹構造
方法[J]計算機仿真，2006一11
[4] 徐海東，李冶文．江峰，宋俊德基于神經網絡的uTRAN網絡
質量綜合評價[J]北京郵電大學學報．2005，28(4)
[5]倪萍．廖建斯．王純．張成一種KPl映射到KQJ的通用算法
[J]電子與信息學報，2008．30(10)
[6] Y coginenl，H Greenb8唱，A Mdh．D[MMs：An Au【?mic
Nerwork—hye。Foundalion如r Nelwork Man89ement]selected
AI℃鵝in communicaIions[[J]lEEE J?m on，Januaw 2010，
28(1)：15—27
ment Model—caPacI‘y 8nd Pe血呻ance Man89e?I[J]Manage一
一1 0fInnovatⅢand TechnoIogy．2008 lCMlT 2008 4【hIEEE
Int㈣tJon甜Conk??．SeDt 2008 1266一1270
【作者簡介]
陳鵬(1982一)．男(漢族)．四川人，碩士研究生．
研究方向：通信與信息系統：
景志宏(1965一)，男(漢族)，河北人，副教授．研究
療向：移動通信．網絡優化：
王偉(1984一)，男(漢族)，占林人．碩士研究生．
研究方向：通信與信息系統。

網友評論 more

綜合安全論文最新內容

04-10